Cviko 8.3.


1)
Vytvořte databázi Katan2, která obsahuje proměnné Věk a Pohlaví, kde věk musí být 
nižší než 60 let. Proměnné následně přejmenujte na anglické ekvivalenty.





Katan2 <- Katan %>%
  select(Věk, Pohlaví) %>%
  filter(Věk < 60) %>%
  rename("Age" = Věk, "Gender" = Pohlaví)












2)
Bylo zjištěno, že věk jedinců v databázi je vždy o jeden rok nižší, než by měl být.
Napravte tuto chybu.

















Katan2$Age <- Katan2$Age + 1










Katan2 <-
  mutate(Katan2, 
         VekPlus = Age + 1)






Katan2 <-
  mutate(Katan, 
         Věk = Věk + 1)

vs



Katan_new <-
  transmute(Katan, 
            VěkPlus = Věk + 1)



3) Spolu
Nyní budeme chtít vytvořit v rámci databáze Katan novou proměnnou s názvem 
VěkSkupiny. Ta by měla náš soubor dat rozdělit do následujících čtyř skupin 
(dospělá žena, dospělý muž, nezletilá slečna, nezletilý kluk).

Katan2 <-
  mutate(Katan, 
         VěkSkupiny = 
           if_else(
             Katan$Věk >= 18 & 
               Katan$Pohlaví == "žena","dospělá žena",
             if_else( 
               Katan$Věk>=18 & 
                 Katan$Pohlaví == "muž", "dospělý muž",
               if_else(
                 Katan$Věk<18 & 
                   Katan$Pohlaví == "žena", "nezletilá slečna",
                 if_else( 
                   Katan$Věk<18 & 
                     Katan$Pohlaví == "muž", "nezletilý kluk", "NA")))))








4) Spolu
group by

Katan2 %>% 
  group_by(VěkSkupiny) %>%
  summarise(průměr = mean(Věk),
            sd = sd(Věk),
            min = min(Věk),
            max = max(Věk),
            četnost = n())






Katan2 %>% 
  group_by(VěkSkupiny, Klub) %>%
  summarise(průměr = mean(Věk),
            sd = sd(Věk),
            min = min(Věk),
            max = max(Věk),
            četnost = n())


























5) Příklad 

Zjistěte v následujících věkových skupinách (teenager do 18 let, dospělý od 
18 do 26 let, dospělý od 26 do 35 let, dospělý od 35 do 65 let, důchodce 65 
let a více) zastoupení mužů a žen (v absolutních číslech i to relativní v procentech) 
a jejich průměrný počet partií na osobu. Ve skriptu využijte příkaz trubka.














Katan2 <- Katan %>%
  mutate(VěkSkupiny = cut(Věk,
                          breaks = c(0, 18, 26, 35, 65, 100),
                          right = FALSE,
                          labels = c("teenager do 18 let", "dospělý od 18 do 26 let",
                                     "dospělý od 26 do 35 let", "dospělý od 35 do 65 let", 
                                     "důchodce 65 let a více"))) %>%
  group_by(Pohlaví, VěkSkupiny) %>%
  summarise(Četnost_abs = n(), 
            Četnost_rel = n()/nrow(Katan)*100,
            Průměr = mean(Partie))

















Katan %>% 
  group_by(Pohlaví, Práce) %>%
  summarise(průměr_Věk = mean(Věk),
            sd_Věk= sd(Věk),
            min_Věk= min(Věk),
            max_Věk= max(Věk),
            průměr_Děti = mean(Děti),
            sd_Děti = sd(Děti),
            min_Děti = min(Děti),
            max_Děti = max(Děti))




- zjednodušení
Katan %>%
  group_by(Pohlaví, Práce) %>%
  summarise_each(funs(mean, sd, min, max), Věk, Děti)

6)
Zjistěte průměr, medián a směrodatnou odchylku u proměnných Partie a Věk. 
Hodnoty určete pro skupiny rozřazené dle proměnných Vzdělání a Pohlaví 
(tj. ZŠ - muž, ZŠ - žena, SŠ - muž, SŠ - žena atd.). Ve skriptu využijte příkaz trubka.

Katan %>%
  group_by(Vzdělání, Pohlaví) %>%
  summarise_each(funs(mean, median, sd), Partie, Věk)